Você quer a ajuda da IA para montar a cronologia de um caso, mas o documento tem nome, CPF, conta bancária e dados de saúde do cliente. Pseudonimizar resolve parte do problema: você substitui nomes, CPF, contas e outros identificadores por marcadores, como <CLIENTE_01>, guarda a tabela de correspondência no seu computador e envia à ferramenta só o texto transformado. O cliente fica muito menos exposto, e a IA continua entendendo quem fez o quê.

Há um limite que precisa estar claro: dado pseudonimizado continua sendo dado pessoal pela LGPD, porque a identidade pode ser recuperada com a tabela ou pelo contexto. O método que funciona tem uma ordem: recortar só o necessário, substituir os identificadores, testar se algo vazou, enviar o texto transformado e restaurar os dados reais apenas no seu ambiente. Este guia mostra cada passo, com um exemplo.

Etapas da pseudonimização de dados jurídicosEtapas da pseudonimização de dados jurídicos

O texto pseudonimizado continua protegido pela LGPD

PseudonimizaçãoAnonimização
O que éTroca de identificadores por marcadores, com a tabela guardada à parteRemoção da possibilidade de identificar a pessoa por meios razoáveis
A identidade pode ser recuperada?Sim, com a tabela ou pelo contextoNão, por meios razoáveis e disponíveis
Continua sendo dado pessoal?SimNão, salvo se a reversão for possível
Base na LGPDArt. 13, § 4º (no contexto de estudos de saúde pública)Arts. 5º, XI, e 12

O art. 12 da LGPD ressalva que o dado dito anônimo volta a ser pessoal quando a reversão for possível com esforços razoáveis. Por isso, trate o material pseudonimizado com os mesmos cuidados de qualquer dado pessoal: ele continua sendo informação relacionada a pessoa identificável (art. 5º, I).

Isso não tira o valor da técnica. O guia de segurança da ANPD para agentes de pequeno porte sugere a pseudonimização como forma de dificultar a identificação de quem tem dados sensíveis guardados, dentro das medidas de segurança que o art. 46 da LGPD exige.

A pseudonimização também não resolve, sozinha, a base legal, a transferência internacional, a retenção pelo fornecedor, o sigilo sobre estratégia ou o risco de acesso indevido ao seu computador. Esses pontos estão no guia de IA, LGPD e sigilo na advocacia.

Passo 1: antes de substituir, recorte só o que a tarefa pede

Não pseudonimize o processo inteiro quando a tarefa precisa de três páginas. Defina o resultado que você quer, escolha os documentos e trechos necessários e só então substitua os identificadores.

A necessidade de precisão também depende da tarefa. Para revisar a redação, datas e valores podem virar categorias genéricas. Para calcular um prazo ou conferir um pagamento, eles precisam ficar exatos.

Passo 2: use marcadores que digam o papel de cada um

<PESSOA_01> esconde o nome, mas empobrece a análise. Prefira marcadores que indiquem o papel:

Modelo prático

Adapte os itens ao caso e confira o resultado antes de utilizá-lo.

<CLIENTE_01>

<PARTE_AUTORA_01>

<PARTE_RE_01>

<TESTEMUNHA_01>

<EMPRESA_FORNECEDORA_01>

<CONTA_CLIENTE_01>

<PROCESSO_01>

O mesmo marcador deve representar sempre a mesma pessoa. Se "Maria de Souza", "M. de Souza" e o CPF dela aparecem no texto, todos precisam virar o mesmo <CLIENTE_01>. E não acrescente atributos (profissão, parentesco, cidade) se eles não forem necessários à análise.

Passo 3: o que procurar em um documento jurídico

Em documentos jurídicos brasileiros, procure:

  • nomes, apelidos, variações de grafia e assinaturas;
  • CPF, CNPJ, RG, CNH, passaporte e número da OAB;
  • e-mail, telefone, endereço e CEP;
  • conta, agência, chave Pix e outros dados financeiros;
  • número do processo, placa de veículo e matrícula de imóvel;
  • dados de saúde, biometria e outros dados sensíveis;
  • informações de crianças e adolescentes;
  • senhas e códigos de acesso;
  • nomes em arquivos, cabeçalhos, rodapés, comentários e imagens.

Não mascare toda sequência de números: artigos de lei, valores e datas podem ser essenciais ao sentido do texto.

Passo 4: nenhuma ferramenta acha tudo sozinha

Combine quatro métodos, porque cada um perde algo que outro encontra:

  1. buscas por formato, que encontram CPF, CNPJ, e-mail, telefone e número de processo;
  2. reconhecimento de nomes, que identifica pessoas, empresas e endereços no contexto;
  3. uma lista do caso, com as partes, testemunhas, empresas e variações de nome já conhecidas;
  4. revisão humana, para o que as etapas anteriores deixaram passar.

A busca por formato perde nomes. O reconhecimento automático pode errar números brasileiros. E um documento com OCR ruim pode ter um dígito trocado que escapa das duas. Se o material vem de PDF escaneado, faça antes uma boa extração do texto.

Passo 5: a tabela de correspondência é o ponto mais sensível

Quem tem a tabela desfaz a proteção inteira em segundos. Guarde-a separada do texto transformado, com criptografia e acesso restrito, e nunca a envie à ferramenta de IA. Evite deixá-la em um arquivo aberto na mesma pasta do PDF e não reaproveite a tabela de um caso em outro: <CLIENTE_01> pode ser pessoas diferentes em casos diferentes.

Se não houver necessidade de restaurar os dados depois, apague a tabela. Se houver, defina por quanto tempo ela será guardada e por quê.

Passo 6: cidade, profissão e data também identificam

Nome e CPF são só o começo. Uma combinação de cidade pequena, profissão rara, data e doença pode revelar a pessoa. Verifique também:

  • as propriedades e o nome do arquivo;
  • o texto escondido sob uma tarja preta no PDF (cobrir visualmente não apaga o texto selecionável);
  • comentários e alterações controladas no Word;
  • cabeçalhos, rodapés, tabelas e imagens;
  • endereços de e-mail que contêm o nome da pessoa.

Passo 7: envie e restaure só no seu computador

Ao enviar o texto transformado, inclua uma instrução como:

Preserve exatamente os marcadores entre < >. Não crie pessoas, documentos ou identificadores. Se faltar informação, deixe a lacuna explícita.

Na volta, restaure os dados reais só no seu computador. Antes de liberar o resultado, confira se todos os marcadores existem na tabela, se a ferramenta não inventou marcadores novos, se a concordância (ele/ela, singular/plural) está certa e se não sobraram dados reais em arquivos temporários.

Exemplo com o Caso Helena

O Caso Helena é um exercício do livro Advocacia Aumentada: uma aposentada contesta um consignado digital que diz ter contratado achando que era uma revisão de juros.

Antes:

Modelo prático

Adapte os itens ao caso e confira o resultado antes de utilizá-lo.

A CCB eletrônica BV-884231 está em nome de Helena Nogueira, CPF 000.111.222-33,

beneficiária do INSS; ela contesta o consentimento para a contratação.

A conversa de WhatsApp vem do número (31) 90000-0000, e o extrato da conta

12345-6 mostra o crédito de R$ 12.900,00 em 12/01/2026.

Depois, para montar uma cronologia:

Modelo prático

Adapte os itens ao caso e confira o resultado antes de utilizá-lo.

A CCB eletrônica <CONTRATO_01> está em nome de <CLIENTE_01>, <CPF_CLIENTE_01>,

beneficiária do INSS; ela contesta o consentimento para a contratação.

A conversa de WhatsApp vem do número <TEL_01>, e o extrato da conta

<CONTA_01> mostra o crédito de <VALOR_CREDITO_01> em 12/01/2026.

O papel de cada parte, o evento e a fonte continuam claros; nome, CPF, telefone, conta, contrato e valor saíram. A data ficou porque a tarefa é justamente ordenar os eventos. Se a tarefa não dependesse do dia exato, daria para reduzi-la a mês e ano.

Antes de usar em caso real, teste se funcionou

Antes de usar em casos reais, teste com duas páginas autorizadas e sem enviar nada à IA:

O que medirPergunta
CoberturaTodos os identificadores sensíveis foram encontrados?
VazamentosSobrou algum dado exposto?
ExcessosAlgo foi removido sem necessidade?
ConsistênciaA mesma pessoa recebeu sempre o mesmo marcador?
RestauraçãoCada dado voltou ao lugar certo?
UtilidadeA tarefa ainda pode ser feita com o texto transformado?

Acompanhe separadamente os dados mais graves (saúde, crianças, contas e senhas): uma boa média geral pode esconder uma falha rara e séria. E teste a utilidade: se a cronologia perde a ordem ou uma parte troca de papel, a proteção comprometeu a análise. O guia de cronologia processual oferece um bom caso de teste.

Se o destino for o ChatGPT, veja também ChatGPT é seguro para advogado?. As decisões sobre retenção e responsáveis devem constar da governança de IA do escritório.

Em vez de depender só da pseudonimização, use IA com retenção zero, de graça

A pseudonimização reduz o risco, mas dá trabalho e pode tirar da IA o contexto de que ela precisa. Na Lauda, o caminho é outro, e ele não inclui pseudonimizar: os arquivos ficam no seu computador, e o conteúdo que a IA precisa ler para cada tarefa (por exemplo, as páginas dos autos) vai completo ao provedor de IA, a API da OpenAI, contratada com retenção zero. Ela não guarda as solicitações nem as respostas, e nada do que você envia treina modelos. A Lauda não troca nomes por marcadores antes do envio. Só as pesquisas na internet saem sem nome, CPF, telefone ou número de processo das partes. Os detalhes estão na página de segurança.

A decisão sobre o que enviar continua sendo do escritório, conforme a sua política e a LGPD. Se a política exigir pseudonimização, aplique o método deste guia antes de importar o documento. O plano Free custa R$ 0, não expira e tem todos os recursos, com franquia de IA de cerca de 10 peças por mês. Baixe a Lauda para Windows.

Respostas rápidas

Perguntas frequentes

Pseudonimização é o mesmo que anonimização?

Não. Na pseudonimização, a identidade pode ser recuperada com a tabela de correspondência ou pelo contexto, e o dado continua sendo pessoal. Na anonimização, a identificação não é mais possível por meios razoáveis.

Dado pseudonimizado está fora da LGPD?

Não. Enquanto for possível reidentificar a pessoa, o dado continua pessoal e sujeito à LGPD.

A Lauda pseudonimiza os dados antes de enviar à IA?

Não. O conteúdo da tarefa vai completo ao provedor de IA, contratado com retenção zero e sem treinamento, porque trocar nomes por marcadores piorava a análise jurídica. Só as consultas à internet saem sem nome, CPF, telefone ou número de processo. Se a política do escritório exigir pseudonimização, faça-a antes de importar o documento, com o método deste guia.

Existe ferramenta para pseudonimizar documentos automaticamente?

Existem ferramentas que detectam nomes, CPF e outros identificadores, mas nenhuma encontra tudo. Combine a detecção automática com uma lista do caso e revisão humana.

Tarja preta no PDF protege os dados?

Nem sempre. Se a tarja só cobre visualmente o texto, ele continua selecionável e pode ser copiado. Use ferramentas que removem o texto de fato e confira o resultado.

Fontes e referências